芯片制造商Nvidia公司周一宣布推出(https://nvidianews.nvidia.com/news/nvidia-reinvents-computer- graphics-with-turing-architecture)业界期待已久的下一代图形处理技术图灵架构。
图灵架构的发布是2016年推出Pascal芯片以来重大的升级。Nvidia首席执行官Jensen Huang(上图)在温哥华召开的每年一度的SIGGRAPH计算机图形大会上介绍了新的芯片和架构,他还宣布这些芯片是 “世界上第一个光线跟踪算法图形处理单元(GPU)”。
新的图形处理单元系列(https://nvidianews.nvidia.com/news/nvidia-unveils-quadro-rtx-worlds- first-ray-tracing-gpu)名为Quadro RTX,配有“16 teraflops的单精度性能”,速度最高可达“每秒10千兆光线”。
Huang表示,图灵架构是“计算机图形学的‘圣杯’”,也是Nvidia旗下十多年来最重要的创新,是自2006年CUDA GPU发明以来最大的飞跃。
图灵架构会取代Nvidia之前的Pascal架构,并将引进许多重要的进展,最重要的是所谓的“光线追踪”, 光线追踪是一种图形渲染技术,比旧的技术实现的渲染更逼真。
光线跟踪可以对计算机生成的场景实现光线和阴影进行超级现实的渲染。光线跟踪用的算法可以跟踪光的路径,进而模拟光与计算机生成的世界里虚拟对象的交互方式。
到目前为止,光线跟踪过程只限于在大型电影制作工作室里使用,因为只有这些人能承受大量计算机处理能力所需的大预算。而Nvidia推出的新架构和芯片将使这项技术得到更广泛的应用。
图灵架构的光线跟踪引擎由新的“RT内核”提供,RT内核用于加速计算的运行,以确定光在3-D空间中如何与环境的交互作用。 Nvidia估计旗下新的Quadro RTX芯片的光线跟踪性能可比Pascal芯片提高25倍,能以高达每秒10千兆线(Gigaray)的速度进行所需的计算。
Nvidia曾在今年三月的公司GPU技术大会期间首先展示了新的GPU光线跟踪功能,在会上演示了专门生成的星球大战图像片段。
Quadro RTX GPU将在第四季度推出三个版本:Quadro RTX 8000、Quadro RTX 6000和Quadro RTX 5000。
Nvidia表示,这些GPU还具有名为“Tensor Core”(张量内核)的功能,这些张量内核处理器可以加速机器学习的训练和推导。张量内核将提供速度高达每秒500万亿次张量运算。
将GPU与Nvidia的NVLink配合使用可以进一步提高光线跟踪性能,两个RTX 8000芯片就可以提供高达96千兆位的内存和每秒100GB的数据传输速度。
Nvidia表示,这种性能令人工智能驱动的应用可以打造新的功能,例如深度学习抗锯齿(Deep learning antialiasing)。深度学习抗锯齿是一种新型的运动图像生成技术。其他的应用包括“去噪”、分辨率缩放和视频重定时等。
Jon Peddie Research公司的总裁Jon Peddie告诉记者, “真是个突破,比原定计划提前了五年。Nvidia的硬件加速器和软件开发结合在一起取得了巨大成功。几十年来,光线跟踪一直是计算机图形学的圣杯,而一旦得到充分的了解和研究后,各种新应用就会出现。”
记者问到我们可能会看到哪些由新的Nvidia GPU构建的特定类型应用程序,Peddie表示,新Nvidia GPU的影响会很广泛,会涵盖声学、医学诊断甚至天体物理学的各种内容。该分析师称,光线跟踪在机器学习应用程序中也具有巨大的潜力,特别是在诸如计算和渲染等共享工作负载或串联处理方面,RTX系列将提供“难以想象的投资回收率”。
Nvidia还为开发人员提供了新的RTX图形平台,以充分利用这些新芯片。该平台包括用于光线跟踪、AI、光栅化和模拟的应用程序编程接口。平台还支持Nvidia新开源的Material Definition Language(材料定义语言)软件开发套件,该软件开发套件能将真实世界里材料的精确外观和感觉集成到渲染应用程序。
Nvidia表示,RTX 8000芯片配有48GB内存,并将以10000美元的“估计街道价格”开始销售。配有24GB内存的RTX 6000的售价为6300美元,而配备16GB内存的RTX 5000的售价为2300美元。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。